Co jsme se od vás naučili: Přehled průzkumu, otázky a odpovědi a klíčové poznatky z webináře Pokročilá analytika v lesnictví

Jennifer Parker

Ve čtvrtek 13. listopadu se k nám připojili odborníci na lesnictví na interaktivním webináři, který zkoumal pokročilou analytiku, GeoAI, snímkování a provozní pracovní postupy. Abychom lépe pochopili, kde se organizace dnes nacházejí a jaké výzvy řeší, pozvali jsme účastníky, aby se během celého sezení zapojili do živých anket.<\/P>

Jejich odpovědi pomohly formovat diskusi a nabídly jasný pohled na to, jak inovace postupují v rámci lesnické komunity.<\/P>

 <\/P>

Co jsme zjistili prostřednictvím anket<\/STRONG><\/P>Ankety odhalily důležitá témata týkající se zralosti dat, adopce snímkování, připravenosti na AI a toho, jak týmy definují pokročilou analytiku.<\/P>Připravenost dat<\/STRONG>
Většina účastníků uvedla, že jejich organizace se buď organizují, nebo aktivně realizují svou datovou strategii. To odráží silný základ pro škálování analytiky.<\/P><\/span><\/P> <\/P>Pochopení pokročilé analytiky<\/STRONG>
Odpovědi byly rovnoměrně rozloženy mezi prostorové modely, AI nástroje a data v reálném čase, což zdůrazňuje rozmanité potřeby a priority v sektoru.<\/P><\/span><\/P> <\/P>Pocity vůči AI<\/STRONG>
Většina respondentů se popsala jako opatrně optimističtí. Existuje nadšení pro AI spolu s touhou po transparentnosti a odpovědném přijetí.<\/P>Luke and Yomi diskutují výsledky ankety<\/span><\/span><\/P> <\/P>Adopce snímkování<\/STRONG>
Velká část účastníků používá drony nebo komerční satelitní snímky. Významné je, že nikdo nevybral možnost, že vůbec nepoužívá snímkování, což podtrhuje jeho zásadní roli v moderních lesnických operacích.<\/P>Chris přezkoumává odpovědi<\/span><\/span><\/P>Tyto poznatky potvrdily, jak je lesnická komunita připravena integrovat hlubší analytiku a směřovat k proaktivnímu rozhodování založenému na datech.<\/P> <\/P>Hlavní body prezentujících<\/STRONG><\/P>Luke Kelleher<\/STRONG><\/P>Strategické plánování a provozní analytika<\/I>
 Chytré plánování lesa na milionech akrů
 Tvorba scénářů pro dostupnost dřeva, hodnotu biodiverzity a přírodní řešení
 Data o počasí v reálném čase, geofencing a monitorování dřevařských vozidel
 Posilování rozhodovatelů přímým přístupem k poznatkům<\/P><\/span><\/P> <\/P>Yomi Olufowoshe<\/STRONG><\/P>AI a Geospatial AI Framework<\/I>
 GeoAI modely pro klasifikaci, extrakci prvků a predikci
 AI asistenti usnadňující mapování, kódování, dokumentaci a analýzu
 Bezpečný a transparentní podnikový AI framework připravený k použití
 Automatizované monitorování prostřednictvím agentních pracovních postupů<\/P><\/span>

 

Chris Sheil

Snímkování, dálkové průzkumy a hluboké učení

• Drony, satelity, lidar, multispektrální a orientované snímky
• Více než 100 modelů hlubokého učení v Living Atlas
• Detekce sazenic pomocí dronových snímků
• Detekce změn NDVI a automatizované mapování hranic sklizně

 

Nejčastější otázky publika a úplné odpovědi

Během webináře jsme obdrželi velké množství promyšlených otázek. Naši odborníci na lesnictví Sarah Eshpeter a Aidan Thurling byli připraveni tyto otázky zodpovědět v reálném čase. Také položili našim prezentujícím konkrétní dotazy z chatu. Níže jsou uvedeny některé z nejběžnějších otázek spolu s úplnými odpověďmi od prezentujících.

 

Q1: Jak si vybudovat důvěru v pracovní postupy asistované AI?

A: Začněte párováním výstupů AI s ověřováním na místě a lidskou kontrolou. ArcGIS AI asistenti poskytují transparentní informace o modelech v pozadí a ArcGIS Trust Center popisuje, jak jsou data používána, ukládána a chráněna. Začněte s malými pracovními postupy s nízkým rizikem a rozšiřujte je s rostoucí důvěrou.

 

Q2: Kdy bych měl přeškolit model hlubokého učení?

A: Přeškolení je potřeba pouze tehdy, když cílíte na velmi specifické prvky nebo pracujete se snímky výrazně odlišnými od dat použitých k tréninku původního modelu. Mnoho předtrénovaných modelů v Living Atlas funguje efektivně ihned po vybalení. Pokud je přeškolení potřeba, pracovní postup je jednoduchý a často lze dokončit během jednoho dne.

 

Q3: Který typ snímkování bych měl upřednostnit?

A: Začněte se snímky Sentinel nebo Landsat z Living Atlas. Ty jsou volně dostupné a nabízejí konzistentní pokrytí pro sledování změn v čase. Poté přidejte dronové snímky pro vysoké rozlišení provozních pracovních postupů nebo komerční satelitní snímky pro detailní regionální analýzu.

 

Q4: Jak mohu škálovat analytiku bez přetížení mého GIS týmu?

A: Zaměřte se na opakovatelné pracovní postupy, které lze automatizovat. Nástroje jako Experience Builder, ModelBuilder a Python skriptování pomáhají snižovat manuální práci. Zavedení jasné správy dat již na začátku zabraňuje nutnosti přepracování a podporuje udržitelné škálování.

 

Q5: Jaký je nejjednodušší způsob začít s pokročilou analytikou?

A: Použijte Lukeův pětikrokový plán: Začněte s jedním zaměřeným případem použití, propojte svá data, spusťte jeden pracovní postup, dokumentujte poznatky a poté škálujte dál. Vestavění AI asistenti v ArcGIS Pro, Online, Survey123 a Business Analyst usnadňují začít bez dalších licencí.

Tyto odpovědi jsou také k dispozici v sekci Otázky & Odpovědi záznamu webináře.

 

Lukeův pětikrokový plán

1. Zvolte případ použití
2. Propojte svá data
3. Spusťte pracovní postup
4. Dokumentujte a sdílejte
5. Zkontrolujte a škálujte

Tento rámec je navržen tak, aby týmům pomohl začít malými kroky, demonstrovat dopad a rozšiřovat s jistotou.
 

Reference a zdroje:

GeoAI, AI Framework, Assistants a Trust Center

class="">https:\/\/link.esri.com\/unlocking_strategic_efficiency\/ai_transparency_card<\/SPAN><\/A>
Co je nového s ArcGIS AI Assistants Blog
https:\/\/link.esri.com\/unlocking_strategic_efficiency\/arcgisblog_ai<\/SPAN><\/A><\/P> <\/P>Záznam webináře<\/STRONG><\/P>https:\/\/link.esri.com\/unlocking_strategic_efficiency\/recording<\/A><\/P>

 <\/P>

Kontaktujte prezentující<\/STRONG><\/P>Luke Kelleher:

lkelleher@esri.com<\/SPAN><\/A>
Yomi Olufowoshe: yolufowoshe@esri.com<\/SPAN><\/A>
Chris Sheil: csheil@esri.com<\/A><\/SPAN><\/P>

<\/span><\/SPAN><\/P>